叶晓奇不知道跑哪去了，俩人一起失踪了。
这次彻底是对公司的事情撒手不管了，为期半个月，电话不接，短信不回，没人知道他俩去哪了。好在提前说明了的，否则早就有人报案了。
跟随着光刻机一起的龙井和依久美也回来了，理所当然的，不受龚赛刚待见的香取绫，就直接被塞给了这俩人。
而香取绫的口音问题，也得到了极大的改善，这得益于龙井传授的一个秘诀：含着石头说话。
这是李阳疯狂英语的招数，但是对于舌头捋不直的香取绫却是一副特效药。
香取绫含的石头也不是普通的石头，乃是一颗不算差的玛瑙，花了香取绫好几万呢！
本来香取绫是不打算买这么贵的东西，这些日子借宿在龚总的家里，也没个稳定收入，虽说生活费每个月都会下拨到自己新办的招行的卡里，可是自己本质上还是个穷人。房子没到手，奖金也没发下发，职位也没安排，就那点生活费，除了吃饭还要添置化妆品和衣物，何止一个“惨”字了得。
但是，路边捡的石头实在太恶心了，哪怕清洗了几百遍，又拿盐水泡了好几天，仍然觉得有些恶心。直到香取绫走在路上，看到一只狗撅着屁股拉了一泡热翔，而后吐的稀里哗啦的时候，就再也无法忍受了，直接跑到商场，拿出了棺材本，买了这颗被店员称之为“北斗”的玛瑙。
几万块钱的石头虽说也不算什么好石头，但是香取绫还是一厢情愿的认为：至少这个干净。
再贵一些的，买不买得起另说，就说那个包浆，好像更恶心，万万不肯含在嘴里的……
“龙井君，社长什么时候回来啊？你看我这话说的怎么样，达到入职标准了吗？龚总说，具体职务得找叶老板签字，龙井君，你看我选什么职务比较合适？”
没事干，整天除了学说话就是学说话，无聊至极的香取绫见到宫崎龙井就是个问题宝宝，专业批发十万个为什么。
龙井对此也认命了，仨人已经事实上被当做了一条绳子上的蚂蚱，都这时候再去计较出身问题，已经没有意义了。
龙井耐着性子回道：“跟你说了多少遍，以后不要叫社长，这是不礼貌的行为，要叫董事长或者叶总都行。你现在啊，还差的远，好好练吧。是你的就是你的，反正你都说了，龚总都带你看过房子了，它还能自己长腿跑了不成？风林火山懂不懂？”
“哦……”香取绫见龙井有些不高兴，于是只好骚扰依久美，“依久美，你说，我选哪个岗位合适……”
龙井不高兴的原因没别的，老板不在，这次出差该拿到的提成还没给呢！理论上该是财务下发的，结果财务主管却是老板娘，也一起跑了！所以这些天联系不上老板，龙井的脸一直都是臭臭的。
……
却说另一头，刘浩然还在卖力的写着关于高斯模糊的代码，已经进入到最后的代码调试阶段了。
其实代码已经按照小册子上的步骤写完了，只是参数设置的有点不对，好好的图形模糊，硬是做成了……
“哈哈哈，浩然你小子，人家姑娘明明穿了衣服，你这是啥？哈哈哈，打码！骑兵，哈哈哈……”
刘浩然回头一看，却是韩宇不知道什么时候出现在了自己身后，刚刚太投入了，没留意。
“韩哥……你写完了？”
“我？”韩宇止住了笑，一本正经回答道，“嗯，写完了写完了，这会儿有点bug，来看看别人做的怎么样了。”
说完韩宇一溜烟的就回到自己的位置上，开始头疼自己遇到的问题。
具体的代码，小册子上没写。神经元的大小，卷积的步长，小册子上给了例子，代码却是一个也没有。刘浩然完全照搬了例子，找了一张图片做测试，然后就做成了打码……
而韩宇遇到的问题则是，卷积设置的太小，以至于最终拼接的时候，图片如果过大的话，电脑会反应很慢，CPU占用率几近100%！
“到底哪里不对呢？”俩人都在想着各自的问题。
图片模糊和图片打码其实是一回事，都是对卷积核和卷积云做平均值处理。这是机器视觉的第一步，被称之为预处理，其目的是降低图片的复杂度和最终计算量。
而不同于小册子介绍的单核卷积，图片的卷积过程其实是个多核卷积。这个过程是立体的，立体并不是指的空间上的立体，图片再怎么立体，它终究是个二维对象。这种立体指的是色彩上的立体，所以通常的图形卷积过程都是三核卷积。
众所周知，红黄蓝是三原色，而对于计算机来说，三原色则是红蓝绿，通常用rgb(red，greed，blue)三个0～255之间数值来表示，每个颜色的组成部分都被称之为通道。
所以图形的卷积过程，其实就是对三个通道分别做处理，这就是三核卷积。因而，它是立体的。
这俩人已经算是很优秀了，许多人在面对这一步转不过弯，脑子里无法构建出应有的卷积模型。
邓助理本来是打算开小灶，打算等将来学到了本事，就去求龚塞刚把自己也塞到这个项目里。也是卡在了这一步，因而直接放弃了。
人和人，终究是不一样的。
刚才说了三核卷积，那么就好解释为什么机器视觉会是个黑盒模式，为什么无法用语言来解释机器视觉的特征库里的数据含义。
因为计算机最终拿来做对比的部分，是已经做过预处理的这些图片，分割成的一个个小块。
某些需要单通道计算的模块，识别老王是不是老王，可能只是看“老王头上多少绿”。(green，0～255)
实际上整个流程更为复杂，卷积、池化、激活等步骤会经过多次反复的交替执行，最终才能实现学习或检测的目的。
而学习和检测也是不一样的，为了防止过拟合，使计算机的结果更为普世化，“学习”的过程中还会有drop层这一步骤。
举个不太恰当的例子，一个人素颜和化妆的两张差别比较大的照片，人类设定好参数告诉计算机这是同一个人(监督学习)，计算机必须drop掉化妆那部分的特征后，才能把这两个图片当做同一个人。
当然了，drop是随机的，人类只要求得到符合目标的随机结果，因此这个drop可能也要进行成百上千次乃至上万次，才能随机出人类想要的结果。
所以，这里的计算量是相当大的，也就有了使用GPU的必要性。
GPU就不用多说了，如果把CPU比做老板，GPU就是这个公司里最擅长计算的员工。
GPU非常适合做图形处理和大型计算，显卡里面配置的就是GPU。只是这个GPU是阉割过的，不太适合AI使用，正常的GPU市面上根本买不到，因而才需要侏罗纪去自己设计和小批量的制造。
</br>
</br>